Check Point：AI落地加速，企业须以“零信任”重构安全体系

近一两年来，以生成式AI、大模型助手为代表的智能技术正快速融入企业日常运营流程，数字化效率的提升效应日益显著。但同时，一个反复出现的安全困境也逐渐凸显：当AI深度嵌入业务系统，企业安全的边界正以前所未有的速度被模糊甚至瓦解。

随着数据被分布式调用、身份认证动态化、访问路径高度碎片化，任何一次被滥用的临时权限、一个被忽视的异常访问请求，都可能借助AI工具链被迅速放大，演变为数据泄露或业务中断事件。在此背景下，越来越多的企业开始认识到：安全问题的核心，已不是“要不要用AI”，而是“如何在AI时代，从根本上重新定义和建立信任机制”。

数据决定AI上限，安全亦循此道

AI的核心优势并非仅源于算法本身，更在于其背后数据质量与训练深度。高质量、长期积累的专有数据，决定了模型能否做出精准判断与预测。这一逻辑，同样适用于网络安全领域。与近年兴起的通用大模型不同，网络安全所需的“训练数据”并非来自公开语料，而是源自现实世界中不断演变的攻击手法、漏洞利用模式及攻防对抗实践。只有在长期、持续、真实的攻防环境中积累的数据与情报，才能支撑安全系统做出可靠的态势判断与决策。正因如此，Check Point才能凭借三十年如一日对全球威胁情报的收集与分析，在互联网安全领域保持领先。自成立以来，Check Point持续从网络、终端、云和移动环境中收集并分析威胁情报，逐步构建起覆盖全球的高密度威胁数据体系。这种跨越三十年的长期积累，使其在AI技术快速发展的当下，能够将人工智能真正用于安全决策，而非停留在概念层面。

AI普及，信任不能“一劳永逸”

在AI广泛应用的环境下，企业面临的最大挑战已非攻击技术本身，而是传统静态信任机制的失效。员工、合作伙伴、第三方服务与自动化工具同时访问业务系统，传统基于静态位置或一次性身份认证的信任模型，已难以支撑这种动态、复杂的访问环境。

这正是零信任架构受到高度关注的根本原因。零信任并不预设任何用户、设备或应用天然可信，而是强调在每一次访问请求中，基于身份、行为、上下文和风险进行持续验证。其核心并非“拒绝所有”，而是通过实时计算和风险评估来动态建立与调整信任度。

在AI应用场景下，这一理念尤为重要。只有将AI的实时分析能力，与零信任的持续验证机制深度结合，企业才能在不牺牲业务效率的前提下，有效控制数据暴露和横向攻击风险。

从理念到平台，零信任体系化落地

零信任并非单一产品或功能，而是一套覆盖身份、网络、终端和云环境的整体安全架构。

在《Forrester Wave™：零信任平台，2025年第三季度》报告中，Check Point在零信任平台相关能力方面获得高度认可，反映出市场对其平台化安全策略的肯定。通过将零信任理念与AI驱动的威胁防护相结合，Check Point构建起覆盖多环境的统一安全体系，使安全策略能够在不同访问场景中保持一致性与可控性。

这一模式的关键在于：安全决策不再依赖静态规则，而是基于长期威胁数据训练的智能分析能力，实现实时判断与主动防护。这也使零信任从理念层面，真正转化为可落地、可运营的安全架构。

依托于Check Point ThreatCloud AI这一“安全大脑”提供的实时威胁情报，Infinity平台将零信任策略贯穿于企业IT环境的每一个环节：

· 在网络端：面对超大规模的数据中心和混合网络，Check Point Quantum利用AI引擎实时拦截未知威胁，确保只有经过深度清洗的流量才能进入企业核心区域，守住零信任的“入口”。

· 在用户与访问端：随着远程办公常态化，Harmony解决方案为远程用户提供了基于身份和上下文的零信任网络访问（ZTNA）。无论员工身处何地，Harmony都能确保其设备和连接的安全，防止勒索软件通过钓鱼邮件或恶意链接渗透。

· 在云端：针对多云环境的复杂性，Check Point CloudGuard实现了从代码到运行时的全生命周期保护，确保云原生应用的零信任合规，防止配置错误导致的云端数据泄露。

AI时代，零信任成为安全的“必选项”

可以预见，随着AI在企业中的进一步普及，业务系统将变得更加开放、灵活，但同时也更为复杂。在这样的环境中，任何基于“默认信任”的安全设计，都可能成为风险放大的起点。

Check Point认为，零信任并非对AI的限制，而是AI得以安全释放价值的前提。通过持续验证、动态信任和实时决策，企业才能在拥抱AI的同时，确保数据与业务的安全可控。在AI驱动的数字化浪潮中，信任不再是一次性的授权结果，而是一项需要持续计算和评估的安全能力。这正是零信任架构在当下愈发重要的根本原因。